來源：中國網
「相隔一年，世界已經巨變，技術變革提前並且加速，與其擔憂，不如擔當。」馬雲在2020世界人工智慧大會上講到。
疫情之下，對於願意思考未來的企業家來說，機會才剛剛開始。新科技將改變未來商業世界版圖。
港科大EMBA中英雙語課程以雲課堂，參觀實驗室，專題報告，知識轉移四部曲的方式開展了「走進科大實驗室」系列活動，邀請到首屈一指的科研教授，與大家一起分享世界級的科研成果，一起感受科技的力量，以及其蘊含的巨大商機。
疫情期間「無人配送」的爆發，把無人駕駛物流車引領至鎂光燈下。而深圳一清創新科技有限公司（下稱UDI），就多次採用無人車配送蔬菜至疫情區、送飯盒至城中村的工作人員，令無人車由「噱頭」變成真正落地的問題解決者。
一清創始人，港科大劉明教授，是目前唯一一位華人IEEE IROS傑出青年得獎者，曾率領團隊研發香港第一臺能迴避障礙物，備有多項創新功能的無人車。此次在香港科大EMBA【走進科大實驗室】系列中，做了「低速無人車 應用技術要素」主題分享。
無人駕駛的需求與未來終局
展望未來，我預測載物無人車及載人無人車的數量，前者將大幅度超越後者。預測建基於經濟發展的趨勢，其一是物流車需求高企，在中國，僅電商物流達每天10億元訂單；其二是勞動力不足，人工成本上升；其三是快速外賣抬高物流成本，將持續降低物流成本需求。至於Robottaxi的普及，應該不及載物無人車的發展規模。
回顧我的研究歷史，跟全球無人車的發展軌跡一致。我在2003年至2005年期間參與完成中國第一代新能源車「超越3號」，至2009年，開始牽頭多地形自主導航重點項目NIFTi ，並參與歐盟首個無人車項目Smarter。在2013年於香港成立首個無人駕駛研究實驗室；在Google 無人車項目Waymo成立的同一年（2016年），我圍繞多個香港產學研究項目展開無人駕駛研究，經費超過五千萬港幣，隨後在2017年再領導課題組發布香港首部無人車，低速行駛毋須安全員。創立UDI則始於2018年，當時確定以物流車為主要方向，低速無駕駛位，原因是無人車的實用性，包括：有用、好用、用的上、用的上及用的好，才是最重要的一環。
你想要什麼樣的無人駕駛生活？
有關無人駕駛的狀況，有許多枯燥的視頻介紹，總是聚焦人坐在車內，就完全不用擔心車外的交通狀況、如何避開障礙物的美好想像，描繪中欠缺技術層面，如感知系統、其他智能設備的配合。
實際上新聞上令你專注哪呢？
同時，世界各地有關無人駕駛的意外新聞，駭人聽聞，令人知道技術並非經常都安全，因此，我的結論是：無人駕駛在「什麼場景當前可落地」才是最重要的。成立UDI，我定了一句口號「攀登珠峰，沿途下蛋」，技術要登上最高峰，實用落地能力如沿途下蛋。
現時，各國無人駕駛技術的應用集中在L4級別，即有條件無人駕駛，例如車速設上限、行駛區域路線較固定的應用等，原因是交通場景複雜多變，無人車要攀升至L5級，即不設車速及路線限制，可在任何條件下自動行駛，並不輕易。
創業目標：攀登珠峰，沿途下蛋
鎖定「攀登珠峰，沿途下蛋」的目標，UDI在成立至今，一直針對L4級別開拓園區智能無人物流系統，因為沒有法規問題，安全可控，可形成規模銷售收入，跟工業物流系統深度合作，使我們易於積累定單的實際運作經驗，其他同期項目包括：無人車零售、無人清掃等。預計來年至2022年，UDI開發區域無人物流系統，於公開道路L4低速載物，降低物流成本，形成供應系統，製造超大規模銷售收入，另外發展半公開道路L4低速載人系統，而其他項目則開發無人巡邏安防；預計到2025年，城市無人物流系統正式成形，公開道路L4高速載物系統及高速公路L4載物，配合大需求的物流產業蓬勃發展；至於公開道路L4高速載人系統，關係到法規的支持，如沒有相關的法規定立，一旦發生事故，整個無人車發展將受到毀滅性的打擊。因此，UDI集中投資在低速載物無人車的研發。至於L5級別自動駕駛，大規模智能物流、Robottaxi的實現，仍需以十年計的時間去發展和達成。
實現多面向的應用
目前，UDI無人車已應用至多個產業板塊，包括：機場、倉儲企業、大學城、住宅區、產業園、生產廠區、物流企業、碼頭等；其中，無人車系統帶動工業物運輸4.0，從人手配送升級至自動化配送，運行公裡已達數十萬，從經營大型工業園區的客戶的經驗所得，無人車的ROI（投資回本期）僅一至一年半，UDI提供的方案包括行車的調度平臺、可跟ERP（企業資源管理系統）對接以及標準制定，還有5G應用，實時管控。而跟我們合作的快遞公司，亦成功將快遞人手下調至過去的三分之一，無人車自動派件服務更將人員降至0。其他具代表性的應用項目，還包括企業使用一臺無人車清掃，效率相當於五名清潔工的效率，在自動化碼頭的增益基礎上，我們成功協助自動化港口降低了建設成本共五千萬，以及後續使用成本，另有各類通勤車，已運作一年半。
無人系統模塊技術結構
無人系統的核心技術結構，集中在「系統化算化核心模塊」，當中分為三個重點：
（一）感知系統－－由傳感器技術與產品支持
（二）決策與預測系統－－由算力及晶片化方案支持
（三）規劃與控制－－由車身技術支持
1. 感知系統
將物理世界的信號通過傳感器傳達至無人車系統，再將這些數字信息提升至可認知的層次，如記憶、理解、規劃、決策等。UDI開發的感知系統，從六方面搜集道路上的信息：
1.1日夜感知能力－－建基於視覺，跨天氣、融合夜視的實時感知系統，足夠支撐大範圍高精密度的應用。
1.2多目視覺慣導融合系統－－基於多目視覺與慣導融合，能實時建圖定位，將光線變化的影響減至最低，採用單CPU低運算開銷，同樣支撐大範圍高精密度的應用。
1.3 實時障礙檢測與預測－－實時感知及預測解算，包括檢測動態及靜態（如路沿）等障礙物，可大範圍應用，單CPU低運算開銷。
1.4 實時路面語義場景分析－－路面語義分析，包括從三維到二維，或反過來從二維到三維等多種模式，單個鏡頭即可工作，開銷低，實時響應。
1.5 實時車道場景分析－－通過習次化網絡實現的實時高精準度車道識別，同時為路徑規劃與運動規劃提供參考。
1.6 實時視覺場景語義分析－－針對道路場景的圖片，對圖像中的物體進行基於深度學習的分割，提供精密的分析數據。
1.7 實時雷射景語義分析－－利用雷射檢測關鍵物，深度圖向三維空間，不受環境光線條件影響，不論日夜明暗都能實時檢測，是目前建基於雷射的關鍵物體檢測，得到最佳結果的技術。
1.8 手持及車載大範圍實時建圖－－以單一設備實時結合手持及車載檢測，達三維建圖領域最佳的結果。
1.9 路面環境可行區域檢測──於三維建圖基礎上，再從三個不同角度檢視環境，合共六個定位，基於幾何解算，實時性高，不受環境光線條件影響，已在多個平臺應用，動態物體檢測與消除，CPU運算需求低。
1.10 視覺定位技術──採用單目視覺的全局定位，可實時應用，配合雷射檢測，基於緊耦合的優化算法，是極低成本的傳感器方案。
1.11 三維語義感知──視覺強感知系統，具有獨立的類人駕駛能力，可實時計算實時應用。
1.12 其他算法模塊──紅綠燈檢測及識別，於室外大範圍環境的成本定位導航系統，行人、路牌等關鍵物檢測與跟蹤，以及多地形機器人的導航等。
建基於以上多項感知技術，將非常複雜的空間製圖，圖中能顯示出點、顏色、物體特徵、明暗燈光之下的不同反光程度等，超越了Google街景的二維模式，提供原生三維模型及生成高清地圖版本模式。
傳感器技術與產品
感知系統需要優良的傳感器配合，我們研發的Unity-One：多傳感器融合一體化傳感器，是全球首發硬體同步，且滿足實時要求的傳感器產品，實時幀率及全局快門，結合雷射、視覺和慣導三種檢測模式。此外，多傳感器融合緊耦合優化，包括姿態估計、建圖、定位、檢測、識別、跟蹤、決策合於一身，可採用雷射、視覺和慣導三種檢測模式。我們也會跟雷射企業深度合作，基於尚未上市的下代樣機，包括MEMS-LIDAR等傳感器，提早布局應用場景，為新型雷射傳感器的應用鋪路。Unity-One的攝像頭與雷射IMU進行深度融合與硬體同步，性能可與Waymo傳感器對標，而Unity IMU的傳感器採樣高達20KHz，精密度高，陀螺零偏穩定性也高達每小時2度，具備優越的高衝擊、高振動抑制能力，更可集成外部輔助輪速、都卜勒、測距、重力梯度；當外接攝像機、雷射雷達，達工業級的無延遲同步。
2.決策與預測系統
無人車系統的第二個核心技術是決策與預測系統，以規劃駕駛的下一步。當中包括以下六個範疇：
2.1實時決策與動態預測──基於對動態物體的跟蹤及環境的動態變化進行實時決策，利用GVO模型與RRT規劃相結合，進行動態預測，以應對超車、跟車、停車等候等各情景。
2.2多信息融合技術──基於多信息融合的實時分類與決策，利用Dirchlet過程模型，與非參數化建模結合進行最優估計。
2.3車輛模型輔助的動態決策──在路徑規劃條件下，結合車輛的運動學模型進行最優決策，同時考慮環境中的動態及靜態障礙。
2.4基於深度強化學習的決策──基於深度強化學習，通過 80萬步的訓練實現低成本傳感系統條件下的自主導航，實現從虛擬環境向真實環境的遷移學習，在無人車技術的研究中，我們是最早將深度學習應用在端對端場合中的案例。
2.5 三維場景預測──深度強化學習與傳統的濾波器結合，把傳統每秒20幀提高到 21000幀，較傳統技術高1000倍。
2.6 多機任務分配──此技術協助同時有多臺無人車，以及不同目的地如倉儲的場景，按照多個目標分配及決策出最有效率的方案。
為了增加決策與預測系統的精密度，我們從大規模的虛擬測試中收集數據，當中包括無人車對不同天氣，如雨、晴轉陰、日轉夜的不同反應，仿真實安排突發事件，如不依交通燈過路的行人等，強化系統快速運算及決策的準確度。
算力及晶片化方案
在工控機與GPU算力分配上，我們有自家研發的ACU，另可選配Tx2，FPGA的點雲算法方案，邊緣計算與雲計算融合等，支持決策與預測系統的流暢運作。
3. 規劃與控制
無人車系統的最後一個核心技術是規劃與控制，包括三大範疇：
3.1三維路徑規劃與控制──在三維場景下流形上的路徑規劃與控制，實現多地形機器人的實時導航，與場景分析的結合，是領域內低速全自動導航系統的代表作。
3.2基於MPC的控制系統──實現多個複雜控制對象平臺的MPC控制。
3.3基於遷移學習的強化學習──·遷移學習領域內具代表性的成果，實現虛擬環境與真實場景的互動，此技術實現了在真實車輛上進行端到端（End-to End）控制的實際控制系統，是領域中少數幾個成功案例之一。
車身技術
建立了優質的核心技術，最後還得由一臺設備、電控、傳感交換完善的無人車，才能真正實現無人駕駛的目標。UDI現已設有量產產線，並特別為無人車開發了5G低速無人車測試場地，內有50種測試場景。我曾服務於我國第一代燃料電池車「超越二號」和「超越三號」，負責ECU及BMS系統軟硬體系統設計與調試，服務過第一代無人公交車阿爾法巴控制系統。加上之前的創業和科研經歷，為我在複雜機電系統設計等方面積累了豐富的產品化經驗，研製出時速達40km/h的無人車，是目前低速無人車最高速的成品。
結合雲端 全國應用
要把無人車跟使用者整合起來，雲端是當中的橋梁。從叫車APP到自動或手動裝車，經由雲端（Cloud-end）管理 ，駕駛過程中的安全，由遠程監控及輔助無人車，有條件地實現全流程無人化。
UDI無人車的應用已遍及中國多個城市，包括深圳科技園的小型無人車，順丰采用的快遞無人車，蘇州的疫情消毒噴灌無人車，以及臨淄的零售用無人車和物流無人車等。根據我們在產業園區的實踐經驗，人們由憧憬或害怕無人駕駛，只是源於不了解。直至無人車在園區內行走，路上總有好奇的員工前來測驗無人車的反應，運作一段時間後，園區內的人都習以為常，適應了無人車是日常的一部分；過程正好是未來無人車技術普及化的縮影。
關於香港科大EMBA｜中英雙語課程
香港科技大學自1991年創校以來，在短短二十幾年時間裡，已躋身世界頂尖大學之列。香港科大商學院是擁有國際地位的著名商學院，研究實力及多項課程在世界排名中均位列前茅，金融時報評選中凱洛格-香港科大EMBA課程連續9次位列全球第一，全球MBA課程連續3年排名全球二十強，泰晤士報全球年輕大學排名中香港科大連續3次位列亞洲第一。
香港科大EMBA中英雙語課程為亞洲及大中華地區行政人員、企業家而設，致力於全面提升學員的綜合領導管理能力，培養具有創新精神和全球視野的國際化人才。自2002年開辦以來，香港科大EMBA中英雙語課程將世界最前沿的管理知識和中國管理實踐相結合，並融合香港中西合璧的獨特文化和管理經驗，為亞洲及大中華地區的企業家及高管提供了一個跨越地域和文化界限的終身學習平臺。課程將在16個月內，通過9個核心模塊、3個進階提升、4個大洲環球遊學模塊、3個層面提升領導力等，為學員展現一張完整清晰的學習藍圖。
十餘年來，課程吸引亞洲最傑出以及最具影響力的商業領袖和管理精英，EMBA校友網絡遍布全球。（內容來自 中國網）